无序量测下的多传感器观测噪声融合估计

本文采用直接更新法,给出了噪声相关情况下的各局部传感器观测噪声更新估计算法;给出了观测噪声线性最小方差意义下的最优对角阵加权融合更新估计算法．     

噪声相关下含无序量测的多传感器信息融合估计

多传感器跟踪系统中因通信延迟常会出现无序量测现象,为了提高系统估计精度,采用直接更新法对状态进行更新估计,并针对噪声相关下含无序量测的多传感器系统,提出了矩阵加权最优信息融合状态估计算法,考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性.     

可处理多个无序量测的前向滤波算法

基于等价量测和前向滤波法,推导出一种单个无序量测算法Fl1,并说明了该算法与Al1算法、FPFD算法以及AA1算法之间的等价性.以Fl1算法为基础提出可以处理同时到达融合中心的多个不同单步延迟无序量测的最优算法CZ1.所提新算法的性能不依赖过程噪声的离散化模式,且无须对状态转移矩阵求逆.仿真结果表明在过程噪声DCM下CZ1算法与CA1算法的性能是相同的.     

一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。     

过程噪声和量测噪声多步相关的卡尔曼型滤波

本文详细讨论了在随机离散时间动态系统中过程噪声~$w_k$~和量测噪声~$v_k$~两步相关情况下的最优状态估计,给出了两步相关情况下的卡尔曼型滤波. 然后把它推广到过程噪声~$w_k$~和量测噪声~$v_k$~多步相关的情况,给出了n步相关情况下卡尔曼型滤波的一般表达式.     

一般相关量测噪声下线性系统的平滑估计算法

提出了具有一般相关量测噪声的线性系统的平滑估计算法,该算法是在系统正向和逆向滤波估计结果的基础,利用线性无偏最小方差估计获得的。由于量测噪声的相关性,使得其后验均值不一定等于其先验均值,而它的后验均值又无法通过计算得到,因而提出的算法是一个次优算法。在正、逆向滤波结果已知时,所提出的算法计算量小,易于实现。仿真实例说明,该算法的估计结果要优于正、逆向滤波估计结果,以及量测噪声不相关的Ｋａｌｍａｎ平     

有失序量测的随机卡尔曼滤波状态更新最优解

在中心式多传感器跟踪系统中,经常会出现同一目标的量测没有按照正常的时间顺序到达处理中心的现象. 如何利用（相对当前最新时刻而言）负时点的失序量测更新状态这一问题,在现实的多传感器系统普遍存在. 对于具有确定性参数矩阵的卡尔曼滤波,Bar-Shalom 于2002年给出了利用失序量测的最优状态更新估计方程. 本文将结果进一步推广到了具有随机参数矩阵的卡尔曼滤波,给出了利用失序量测对当前状态的最优更新估计方程.     

有色量测噪声情况下的多传感器目标跟踪融合算法

目前已有的目标跟踪融合估计算法都是基于Kalman滤波的,而卡尔曼滤波估计算法要求系统过程噪声和量测噪声均为白色噪声,而实际的跟踪系统中量测噪声往往是有色噪声。针对上述问题,本文利用线性组合当前量测与下一时刻量测的量测扩增法,研究了有色量测噪声情况下的集中式、分布式多传感器目标跟踪融合算法。并对新的融合算法进行仿真分析,仿真结果表明新的融合算法具有良好的跟踪性能。     

一种基于量测变换的快速解耦状态估计方法

提出了一种基于支路功率量测变换的快速解耦状态估计和不良数据辨识方法 ,不但保留了传统快速解耦状态估计的优点 ,而且可以很好地处理大 R/X比值和存在单个或多个不良数据等问题 .算例表明方法快速有效 .     

测量噪声相关情况下改进的多传感器融合算法

为了研究测量噪声相关情况下,同步多传感器跟踪系统的测量融合技术,根据线性无偏最小方差估计理论,给出了测量噪声相关情况下,同步多传感器系统测量融合的伪序贯和数据压缩实现算法,它们对测量噪声相关与不相关情况都适用。仿真表明,在测量噪声相关时,尤其是相关性较强时,本算法的融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的融合算法相同。仿真结果表明了算法的有效性。     

相关噪声下的机动目标跟踪SMFEKF-IMM算法

一种基于Kalman和扩展Kalman滤波器的相互作用多模型(IMM)方法可以减小模型的不确定性,但无法消除由于噪声相关引起的状态偏差的弱点.为了提高目标状态估计的精度,把IMM和一种带多重渐消因子的扩展Kalman滤波器(SMFEKF)相结合,提出了一种具有相关噪声的混合随机模型的机动目标跟踪方法.这种方法引入了一个多重渐消因子,当输出残差发生变化时,动态调节增益和系统噪声水平,使输出残差近似正交,从而抑制了相关噪声的影响,适应目标的状态变化.理论分析和仿真实验表明了这种算法的有效性和可行性.     

关联色噪声对线性系统定态几率分布的影响

提出了一种将两个关联噪声分布化为两企我关联噪声线性组合的方法,讨论了在关联加性噪声和乘性噪声驱动下一线性系统的定态几率分布,数值计算表明,噪声间的关联参数对定态几率分布的峰值位置和形状有较大影响;且在完全负关联条件下,定态几率分布被锁定在某一固定位置上。     

与时机判定相结合的关联规则增量更新算法

现有的关联规则更新算法大多致力于解决增量更新本身,但很少同时考虑更新时机,不适于对实时应用中频繁更新的数据进行有效处理.针对此问题,提出了一种与时机判定相结合的关联规则增量更新算法,在改进增量更新方法的同时,兼顾对更新时机的判定.在关联规则增量更新阶段,计算含有非空子集个数之和最多的频繁项集,找出在更新数据集中仍然频繁的项集,根据Apriori性质,避免对其子集的处理,从而实现对候选项集的有效剪枝.实验结果表明,该算法通过对更新时机的及时判定和候选项集的有效剪枝,提高了关联规则的更新效率.     

基于倒谱特征的舰船辐射噪声识别算法研究

研究了舰船辐射噪声的倒谱信息．倒谱可以避免连续谱特征的不稳定性，基于此，将倒谱代替连续谱作为舰船辐射噪声识别的特征，并对实测的海上数据进行了仿真实验．结果表明，该方法可以有效地达到识别舰船辐射噪声的目的，且识别率高．     

一种基于噪声生成模型的语言消躁算法

超短波对空通信台加入定向机后会产生一种令人非常难受的噪声，该噪声为加性有色噪声，其原因是定向机用于控制天线的周期信号及其谐波分量耦合进接收电路所造成的。在基于语音生成模型的语音增强算法的基础上提出了一种基于噪声生成模型的语音消噪算法，成功的消除了该噪声。本算法也适用于其它加性有色噪声的消除。     

噪声相关多传感器系统的微观EKF融合算法

集中式融合滤波对于噪声相关非线性多传感器系统很重要。首先,在扩展Kalman滤波器(EKF)的基础上,利用矩阵求逆引理推导出噪声相关的EKF的一种信息滤波器形式;然后,根据矩阵相似变换理论将其等价分解为具有局部通信的微观滤波器形式。与现有的集中式融合算法相比,新方法保持了相同融合精度的同时,还具备了部分信息滤波器的优良数值计算特点。最后,通过理论分析和计算机仿真相结合的方法来验证了新算法的有效性。     

参数控制噪声干扰下的混沌数字通信

提出一种基于调制器的参数控制噪声干扰下的混沌数字通信方法，通过利用一种混沌系统驱动另一种混沌系统产生出理想的输出波形，将这种控制方法用于混沌数字通信控制，根据噪声干扰下的系统方程构造出状态调制器，并将其用于具有量测噪声和输入噪声干扰下的Lorenz混沌系统的控制．改变调制器的作用范围，可以将混沌系统稳定到一定的区域内．仿真结果证实了该方法的有效性．     

一种新的基于脉冲噪声点检测的自适应中值滤波算法

传统的中值滤波算法在去除脉冲噪声时会造成图像细节信息的丢失,从而使图像变得模糊,提出一种新的基于脉冲噪声点检测的自适应中值滤波算法.该算法先检测出脉冲噪声点,采用自适应窗口对噪声点进行中值滤波.仿真实验表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,提高了峰值信噪比.